Resumen— La mejora vegetal desempeña un papel vital en el cumplimiento de las necesidades de la creciente demanda global de alimentos, el cambio climático y las prácticas agrícolas sostenibles. Se utilizan algoritmos de Inteligencia Artificial y Aprendizaje Automático en la mejora vegetal para varias actividades, incluyendo la predicción genotipo-fenotipo, la selección genómica, el descubrimiento de rasgos y la optimización de métodos de mejora. Estos métodos ayudan a determinar la ubicación de marcadores genéticos relacionados con ciertos rasgos, basándose en el análisis de grandes conjuntos de datos que contienen información genómica y fenotípica, lo que a su vez permite a los mejoradores elegir eficazmente las plantas con los rasgos deseados. El uso de tecnologías de IA puede mejorar el proceso de mejora a través de la simulación de resultados de mejora, reduciendo así el tiempo y los recursos necesarios para los métodos convencionales de prueba y error. Se deben abordar preocupaciones sobre la calidad de los datos, la interpretabilidad de los modelos y cuestiones éticas para que la aplicación de la IA en la mejora sea fiable y carezca de preocupaciones éticas. Además, la falta de infraestructura informática avanzada y personal capacitado es un desafío para muchos mejoradores, especialmente en países en desarrollo. Las perspectivas de la inteligencia artificial (IA) y el aprendizaje automático (ML) en la mejora vegetal muestran una considerable promesa. Los avances continuos en biología computacional, genómica y análisis de datos mejorarán sustancialmente las capacidades de los sistemas de mejora impulsados por inteligencia artificial. La integración de la inteligencia artificial (IA) y el aprendizaje automático (ML) en las metodologías de mejora vegetal tiene el potencial de revolucionar los esfuerzos de mejora de cultivos, sentando así las bases para la agricultura sostenible y la seguridad alimentaria en el contexto de un clima cambiante.
Varma et al. (Sun,) estudiaron esta cuestión.